基于GEE的山东省近15年农业温室年限识别与优化布局.pdf

返回 相似 举报
基于GEE的山东省近15年农业温室年限识别与优化布局.pdf_第1页
第1页 / 共13页
基于GEE的山东省近15年农业温室年限识别与优化布局.pdf_第2页
第2页 / 共13页
基于GEE的山东省近15年农业温室年限识别与优化布局.pdf_第3页
第3页 / 共13页
基于GEE的山东省近15年农业温室年限识别与优化布局.pdf_第4页
第4页 / 共13页
基于GEE的山东省近15年农业温室年限识别与优化布局.pdf_第5页
第5页 / 共13页
点击查看更多>>
资源描述:
2 0 2 5年6月农业机械学报第56卷第6期 doi 10 6041 j issn 1000 1298 2025 06 062 基于GEE的山东省近15年农业温室年限识别与 优化布局 周奇卓1 季 托2 许 鹏3 陈修宇4 陈红艳1 5 曹 茜6 崔本江6 1 山东农业大学资源与环境学院 泰安271018 2 山东农业大学园艺科学与工程学院 泰安271018 3 山东省国土空间规划院 济南250014 4 山东顺直建设工程有限公司 巨野274999 5 山东农业大学土肥高效利用国家工程研究中心 泰安271018 6 泰安市金土地测绘整理有限公司 泰安271021 摘要 当前农业温室发展中存在设施使用年限过长 设备老化 分布及数量不明 以及部分新建温室选址不合理等 问题 导致资源利用效率低下 难以形成高效集约化生产区域 为解决上述问题 本研究基于谷歌地球引擎 Google Earth Engine GEE 平台 利用Landsat 5 TM和Sentinel 2 MSI影像 采用随机森林 支持向量机和最大似然分类算 法 提取山东省近15年农业温室的空间分布 并对其使用年限进行分析 进而结合自然和社会经济因素 从高程 河流 土壤有机质 道路和人口5个方面进行驱动力分析 摸清主导因素 最后对农业温室发展潜力进行定量评价 并提出优化布局方案 结果表明 整体上随机森林算法的分类精度最高 总体精度始终保持在83 45 92 83 卡帕系数在0 753 1 0 884 6 表现出更强的鲁棒性和适应性 山东省农业温室面积由2008年的100 440 hm2增长 至2023年的473 306 67 hm2 增幅约471 使用10年以上的老旧大棚面积为70 606 67 hm2 15年以上的农业温 室为29 493 33 hm2 农业温室发展受政策 现代化路网及土壤有机质的影响较大 基于潜力评价确定了鲁中 以寿 光市和张店区为中心 鲁东 以平度市和莱西市为中心 和鲁南 以兰陵县和薛城区为中心 3个农业温室发展潜 力区 全省可按核心发展区 建议发展区 改造转移区和一般发展区优化布局 核心发展区以寿光为中心 重点扩 建现代化温室 建议发展区集中在鲁中 鲁东 鲁南部分地区 如平度 兰陵等地 通过适度新建温室形成核心发展 地区 改造转移区位于潍坊 聊城等老旧温室密集区 需升级改造或逐步转移 一般发展区分布广泛 以生态保护和 特色农业为主 研究结果可为农业温室优化布局提供数据和决策支撑 助力乡村振兴 关键词 农业温室 信息提取 时空演变 潜力评价 优化布局 GEE 中图分类号 S127文献标识码 A文章编号 1000 1298 2025 06 0660 13 OSID 收稿日期 2024 12 28 修回日期 2025 02 02 基金项目 国家自然科学基金项目 42477523 国家重点研发计划项目 2023YFD2303304 山东省自然科学基金项目 ZR2023MD033 和 山东省蔬菜产业技术体系建设专项 SDAIT 05 10 作者简介 周奇卓 2001 男 硕士生 主要从事土壤定量遥感研究 E mail zhou7zhuo 163 com 通信作者 陈红艳 1979 女 教授 博士 主要从事农业遥感与信息 土地资源利用研究 E mail chenhy sdau edu cn Identification of New and Old Agricultural Greenhouses and Optimization of Layout in Shandong Province ZHOU Qizhuo1 JI Tuo2 XU Peng3 CHEN Xiuyu4 CHEN Hongyan1 5 CAO Qian6 CUI Benjiang6 1 College of Resources and Environment Shandong Agricultural University Tai an 271018 China 2 College of Horticulture Science and Engineering Shandong Agricultural University Tai an 271018 China 3 Shandong Provincial Institute of Land and Spatial Planning Ji nan 250014 China 4 Shandong Shunzhi Construction Engineering Co Ltd Juye 274999 China 5 National Engineering Research Center for Efficient Utilization of Soil and Fertilizer Shandong Agricultural University Tai an 271018 China 6 Tai an Jintudi Surveying and Mapping Co Ltd Tai an 271021 China Abstract Current agricultural greenhouse development still faces issues such as excessively long facility service life aging equipment unclear distribution and quantity and irrational siting of some newly built greenhouses resulting in low resource utilization efficiency and difficulty in forming highly efficient intensive production areas To address these problems the Google Earth Engine GEE platform with Landsat 5 TM and Sentinel 2 MSI imagery were utilized employing random forest support vector machine and maximum likelihood classification algorithms to extract the spatial distribution of agricultural greenhouses in Shandong Province over the past 15 years and analyze their age Furthermore driving force analysis was conducted considering natural and socioeconomic factors elevation rivers soil organic matter roads and population to identify dominant influences Finally the development potential of agricultural greenhouses was quantitatively evaluated and an optimized layout scheme was proposed Results showed that the random forest algorithm achieved the highest classification accuracy with overall accuracy consistently ranging from 83 45 to 92 83 and Kappa coefficients between 0 753 1 and 0 884 6 demonstrating stronger robustness and adaptability The area of agricultural greenhouses in Shandong Province was increased from 100 440 hm2 in 2008 to 473 306 67 hm2 in 2023 a growth of approximately 471 Old greenhouses used for over 10 years covered 70 606 67 hm2 while those over 15 years accounted for 29 493 33 hm2 Greenhouse development was significantly influenced by policies modern road networks and soil organic matter Potential evaluation identified three key development zones central Shandong centered on Shouguang City and Zhangdian District eastern Shandong focused on Pingdu City and Laixi City and southern Shandong anchored by Lanling County and Xuecheng District The province can be optimized into core development zones e g Shouguang in Weifang for modern greenhouse expansion recommended development zones e g Pingdu and Lanling for moderate new construction to form growth poles retrofit relocation zones e g Weifang and Liaocheng for upgrading or phased relocation of aging greenhouses and general development zones for ecological protection and specialty agriculture The findings can provide data and decision making support for optimizing agricultural greenhouse layouts facilitating rural revitalization Key words agricultural greenhouse information extraction spatiotemporal evolution potential evaluation optimization of layout GEE 0 引言 在乡村振兴战略背景下 推动农业现代化与可 持续发展已成为国家发展战略的核心内容之一 1 设施农业作为农业现代化的重要实践形式 通过运 用工业化生产技术 为作物生长创造适宜的环境条 件 从而实现高品质 高产量的目标 2 在我国 设 施农业形式多样 其中以农业温室最为普及 尤其 在蔬菜种植领域 农业温室的面积已超过设施农业 总面积的80 3 截至2022年 我国蔬菜大棚占 地面积达2 31 106 hm2 播种面积4 16 106 hm2 山东省作为我国重要的蔬菜生产基地 其农业温室 的建设与发展具备较为完善的体系 然而 也普遍存 在使用年限过长 设备老化 数量及分布不清等问 题 亟需改造升级 4 而识别温室的空间分布 新旧 程度并进行其驱动力分析是对其有效改造升级的前 提 此外 新建温室在选址方面也存在一定的不合 理性 限制了农业生产效率和资源利用效率 因此也 需开展快速识别与优化 近年来 利用遥感技术对农业温室进行分布提 取已成为研究热点 5 早期研究 6 8 多基于单一时 点的遥感数据 结合光谱特征与几何形态特征提取 农业温室分布 这些研究着眼于某一时点的农业温 室分布情况及数量评估 虽然取得了较高的提取精 度 但其侧重点更多集中于静态分布信息的获取 未 能涉及动态变化过程 因此 逐渐有学者基于多个 时点影像研究提取农业温室 进而分析其时空动态 变化 9 11 这些研究揭示了农业温室的空间分布 与时空演变规律 但对于农业温室使用年限及新旧 程度的分析仍显不足 关于农业温室发展的驱动机制研究也取得了一 定进展 12 13 然而 这些研究多集中于驱动因素的 定性或定量分析 对农业温室布局的适宜性和合理 性关注不足 难以为温室改造与优化布局提供精准 的数据支撑 山东省作为我国农业温室发展的先行地区 面 临诸多亟需解决的问题 自20世纪80年代末开始 发展农业温室 90年代进入快速发展期 然而 由 于早期发展过快 目前部分地区出现老旧温室集中连 片现象 部分日光温室使用年限甚至超过25年 14 与此同时 部分新建温室因选址不合理 难以形成集 约化生产区域 难以满足当前宜机化生产的需 求 15 因此 准确识别山东省农业温室的使用年 限 并结合其分布与布局特点 挖掘影响温室发展的 关键驱动力 提出优化布局方案 不仅对农业温室的 提质增效具有重要意义 也为山东省农业高质量发 展和乡村振兴提供科学依据 鉴于此 本文基于GEE平台 利用多时点的 166第6期 周奇卓等 基于GEE的山东省近15年农业温室年限识别与优化布局 Landsat 5 TM和Sentinel 2 MSI卫星影像 提取山 东省2008年 2013年 2018年和2023年的农业温 室分布 分析其时空分布特征及使用年限 同时 结 合自然与社会经济因素 探讨影响温室分布的主要 驱动力 并对其发展潜力进行定量评价 进而提出优 化布局方案 以期为山东省农业温室的合理布局与 老旧温室的改造提供科学数据支撑 助力乡村振兴 战略的深入实施 1 研究区概况与数据源 1 1 研究区概况 山东省位于中国东部沿海 地理坐标为北纬 34 22 9 38 24 0 东经114 47 5 122 42 3 地势东高西低 以平原和丘陵为主 气候温和湿润 年平均气温11 14 降水量550 950 mm 适宜农 作物生长 作为重要的农业基地 山东省以粮食作物 经济 作物和蔬菜种植为主 特别是蔬菜种植 设施农业 发展迅速 温室广泛应用 已成为提高农业生产效率 和产品质量的重要手段 山东的农业温室建设起步 早 产业体系完善 设施温室的面积和数量在全国占 有重要地位 1 2 数据获取 本文的数据主要来源于谷歌地球引擎 Google Earth Engine GEE 平台 利用其提供的Landsat 5 TM和Sentinel 2 MSI卫星影像数据进行研究分析 GEE是谷歌推出的一种云计算分析平台 整合了全 球范围内的多源地球观测数据 支持用户在云端进 行大规模的地理空间数据处理和分析 平台的数据 来源涵盖多颗卫星 气象站点和地面观测网络 为研 究人员和开发者提供了强大的数据处理和分析 能力 Landsat 5是美国国家航空航天局 NASA 和美 国地质调查局 USGS 合作的一颗卫星 发射于 1984年 搭载的传感器能够提供高分辨率的多光谱 影像数据 涵盖可见光和红外波段 其重访周期约为 16 d 空间分辨率为30 m Sentinel 2是欧洲空间 局 ESA 推出的卫星系列 搭载多光谱成像仪 能够 获取高分辨率 10 60 m 的多光谱影像数据 包括 可见光 红外和近红外波段 Sentinel 2系列卫星 具有较高的重访周期 5 d 能够提供更频繁的地球 观测数据 本研究所使用的其他数据来源包括人口密度数 据 河流数据和道路数据等 表1 人口密度数据 来自欧盟GHS人口网格 该数据从2015年开始提 供全球高分辨率的空间化人口分布信息 河流和道 表1 数据来源及其网址 Tab 1 Data sources and their websites 数据数据来源网址 Landsat 5 TM 2008 2013 United States Geological Survey USGS https www usgs gov Sentinel 2 MSI 2018 2023 European Space Agency ESA https www esa int 人口密度数据GHS Population Grid http data europa eu 河流数据OpenStreetMap https www openstreetmap org 道路数据OpenStreetMap https www openstreetmap org 高程数据United States GeologicalSurvey USGS https www usgs gov 土壤有机质SoilGrids https www isric org 路数据来自OpenStreetMap 这是一个开放的在线地 图项目 提供全球地理信息 高程数据来自美国地 质调查局 USGS 涵盖全球的地形特征数据 土壤 有机质数据通过ISRIC的SoilGrids土壤数据集获 取 提供全球土壤特性的高分辨率空间分布 图1 技术路线图 Fig 1 Technology roadmap 2 研究方法 研究技术路线如图1所示 主要包括数据获取 与预处理 农业温室信息提取 新旧程度识别 驱动 力分析及优化布局方案制定5个主要步骤 首先 基于GEE平台获取Landsat 5 TM和Sentinel 2 MSI 影像数据 进行辐射校正 大气校正等预处理 并计 算光谱与纹理特征 其次 采用随机森林 RF 和支 持向量机 SVM 等分类算法 提取农业温室的空间 分布信息 并结合多时点数据叠加分析其新旧程度 及时间动态变化特征 随后 结合高程 路网密度 土壤有机质等驱动力因子 利用相关性分析明确农 业温室分布的主导驱动力 最后 基于驱动力分析 结果开展潜力评价 结合新旧温室的分布特征 提出 266农 业 机 械 学 报 2 0 2 5年 山东省农业温室的优化布局方案 包括核心发展区 建议发展区 改造转移区和一般发展区 为科学规划 与可持续发展提供依据 2 1 农业温室提取 2 1 1 影像预处理 在图像预处理阶段 选择2008年 2013年 2018年和2023年12月至2024年1月成像时间接 近且云量较少的影像 因为冬季期间农业温室内部 植被的光谱特征较为鲜明 冬季时农业温室内植被 保持高绿度 与周围休眠或凋零的植被形成明显对 比 有助于在卫星影像上准确识别农业温室区 域 16 依次进行辐射定标 大气校正等预处理步 骤 随后进行影像镶嵌 并利用山东省的矢量边界进 行裁剪 以获取山东省范围内的影像数据 2 1 2 特征计算 为提高分类精度 基于处理后的影像数据 计算 其光谱特征和纹理特征 以全面表征农业温室的光 谱及空间分布特性 光谱特征是农业温室识别的重要依据 主要包 括植被指数和水体指数的计算 具体有 归一化植被 指数 NDVI 17 土壤调节植被指数 SAVI 18 和归 一化水体指数 NDWI 19 通过计算NDVI SAVI和NDWI等光谱特征 可以在多维特征空间中增强农业温室区域与其他 地物之间的光谱差异性 其中 NDVI与SAVI结 合使用能够更全面地识别植被区域 并在土壤背 景复杂的情况下提高分类精度 NDWI用于剔除水 体干扰 在此基础上 利用这些光谱指数对明显 的非目标地物 建筑和水体等 进行初步剔除 最 终 这些光谱特征将被用于后续的分类算法 形成 高维光谱特征集 有效提高农业温室的分类精度 与可靠性 纹理特征是从影像的灰度空间中提取的统计特 性 能够有效表征地物的细节信息和空间分布特性 是区分农业温室与其他地物的重要补充特征 20 通过基于灰度共生矩阵 GLCM 的计算 可以提取 影像的多种纹理特征 这些特征能够增强分类模型 对细节差异的敏感性 从而提升分类精度 21 以下 是本文采用的纹理特征 主要有 均值 Mean 对比 度 Contrast 熵 Entropy 和相关性 Correlation 在实际计算中 本文采用3 3移动窗口对上述 4种纹理特征进行计算 这种窗口设置能够平衡计 算效率和精度 同时捕捉农业温室区域的局部纹理 特征 22 通过结合光谱特征与纹理特征 可以从光 谱空间和灰度空间中全面表征农业温室的特性 为 后续分类模型提供高精度的输入变量 2 1 3 监督分类 针对处理后的影像数据 进行监督分类实现不 同地物类型的分类 建立如表2所示的3种分类类 别 农业温室 植被和其他类别 主要包括掩膜未完 全去除或与农业温室光谱特征类似的地物 表2 训练样本选择 Tab 2 Selection of training samples 各个年份的影像数据中 确保每个类别包含至 少500个样本点位 图2 且样本点位空间分布均 匀 其中70 用于训练 30 用于验证 以确保分类 模型的训练和评估具有代表性和准确性 在分类方 法上 选取了3种成熟的分类算法进行监督分类 包 366第6期 周奇卓等 基于GEE的山东省近15年农业温室年限识别与优化布局 图2 样本点分布图 Fig 2 Distribution of sample points 括支持向量机 SVM 随机森林 RF 和最大似然分 类 MLC 这些方法在遥感影像分类领域具有广 泛的应用和成熟的算法体系 能够有效应对复杂的 地物覆盖特征 确保农业温室分布的精确提取和 识别 23 本文中各分类方法的具体参数设置如下 RF设 置的决策树数量为200 节点最小样本数为2 最大 特征数使用影像波段的平方根 具备较强的鲁棒性 和适应性 SVM使用径向基核函数 RBF 正则化 参数C设置为1 0 核参数gamma通过交叉验证优 化为0 1 并采用 一对一 策略处理多类别分类问 题 MLC默认假设各类别服从正态分布 按影像各 波段计算后验概率 并选择最大概率的类别作为 结果 2 1 4 精度验证 为评估分类模型性能 使用卡帕系数 Kappa coefficient K 和总体精度 Overall accuracy OA 作 为评价指标 2 2 农业温室年限识别 根据 农业温室结构荷载规范 GB T 51183 2016 和 设施农业小气候观测规范日光温室和塑 料大棚 GB T 38757 2020 等标准 将农业温室 的使用年限分为4类 建造时间小于5年 5 10年 10 15年和超过15年 不同时间段的温室 在材料老化 性能衰减和维护需求上存在差异 小 于5年的温室采用新技术和材料 性能优良 维护成 本低 5 10年的温室性能较好 但局部材料可能 老化 需要日常维护 10 15年的温室逐渐老化 可能影响光照和保温效果 需要全面维修或翻新 超过15年的温室由于老化严重 通常需要大规模翻 新或拆除重建 本文使用ArcGIS 10 2软件分析不 同年份温室的分布数据及其老旧程度 2 3 驱动力分析 以2023年农业温室分布数据为例 构建网格化 空间框架 根据前人研究 10 为确保格网空间分布 可视化效果最佳 将研究区域划分为2 km 2 km的 网格单元 并计算每个网格单元内农业温室面积的 占比 并将结果划分为9个等级 分别表示占比范 围 0 1 1 5 5 10 10 20 20 30 30 40 40 50 50 60 60 以上 作为衡量农业温室密度的定量指标 同 时 统计每个网格单元内的相关驱动力因素 包括平 均人口 平均高程 河网密度 路网密度 高速公路 和非高速公路 以及土壤有机质含量 随后 利用SPSS软件对农业温室密度与驱动力 因素进行Pearson相关性分析 通过分析相关系数 结果 揭示农业温室密度与人口 地形 交通网络及 土壤等因素之间的关系 并进一步探讨各因素间的 自相关性 从而确定农业温室的主导性因素 2 4 农业温室优化布局 2 4 1 发展潜力评价 基于各驱动力因素与农业温室发展的相关性分 析结果 对山东省农业温室的发展潜力进行了综合 评价 选取与温室分布显著相关的驱动力因素 采 用加权定量分析方法 对各区域农业温室的发展潜 力进行量化评估 聚焦于潜力评价 未对用地类型 等具体因素 如耕地占用情况 进行细化考虑 为直观展示潜力评价结果 采用自然断点法将 评估分值划分为5个等级 等级从高到低依次为1 至5级 表示不同的建设潜力 其中 1级表示最高 发展潜力 适宜大规模农业温室的集约化发展 5级 表示发展潜力最低区域 适合保持现状或仅在特殊 条件下进行有限的农业发展 2 4 2 优化布局分析 基于对农业温室使用年限和发展潜力的综合评 价 提出了优化布局方案 为便于分析 将温室年限 归类为2类 新建温室 小于10年 和老旧温室 大 于10年 同时 将发展潜力划分为高发展潜力区 1 2级 和一般发展潜力区 3 5级 通过叠加 分析温室年限与发展潜力区的空间分布 进一步划 定了不同类型区域 为农业温室的合理布局提供了 科学指引 在高发展潜力区中 小于10年的新建温室区域 被划为核心发展区 适合继续扩建 以形成高效集中 的生产区域 大于10年的老旧温室区域同样作为核 心发展区 建议进行设施升级改造 以提升生产效率 和资源利用率 当前无温室的区域被划为建议发展 区 适宜通过新建温室来提高该区域的农业生产能 力 在一般发展潜力区中 新建温室区域划为一般 发展区 可在现有基础上稳步发展 以满足区域内的 基本农业需求 老旧温室区域则划为改造转移区 建 议逐步减少或转移老旧温室 以便更合理地分配资 466农 业 机 械 学 报 2 0 2 5年 源 对于当前无温室的区域 同样划为一般发展区 由于不具备较高的发展适宜性 一般情况下不建议 新增温室 除非在特殊需求明确 发展条件具备的情 况下 才可适度考虑新建 以确保资源利用的合理性 与可持续性 3 结果与分析 3 1 各年份农业温室数量及分布 随机森林 RF 支持向量机 SVM 和最大似然 分类 MLC 3种机器学习方法各年份农业温室提取 精度见表3 结果显示 这3种方法总体精度都在 80 以上 均能够满足农业温室实际识别需求 但在 分类精度上存在差异 其中 RF总体精度相较于 SVM提升1 01 8 67个百分点 相较于MLC提升 2 25 11 20个百分点 这表明RF在处理大规模 高维度数据时具有显著优势 具有更高的鲁棒性和 精度 更适合应用于农业温室分布的高精度提取和 大范围区域分析 表3 3种分类方法精度对比 Tab 3 Accuracy comparison of three kinds of classification methods 年份 RF SVM MLC 卡帕 系数 总体精 度 卡帕 系数 总体精 度 卡帕 系数 总体精 度 2023 0 872 2 92 67 0 843 1 91 74 0 813 7 90 45 2018 0 884 6 92 83 0 846 3 91 82 0 815 5 90 58 2013 0 753 1 83 45 0 764 4 84 16 0 743 7 83 26 2008 0 765 4 84 37 0 754 1 84 19 0 725 1 81 63 从时间维度来看 2018年分类结果最优 卡帕 系数达到0 884 6 而2013年分类结果相对较差 卡帕系数仅为0 764 4 整体而言 2023年和2018 年分类精度明显高于2008年和2013年 这一差 异主要归因于影像分辨率不同 2018年和2023 年采用的Sentinel 2影像具有10 m的空间分辨 率 能够更清晰地捕捉地物细节特征 从而显著提 高分类的准确性 而2008年和2013年使用的 Landsat 5 TM影像分辨率仅为30 m 较低的空间分 辨率限制了地物特征的辨识度 影响了分类精度 的提升 基于随机森林分类的提取结果 图3 2008年 山东省农业温室主要集中分布于寿光市和莘县 随 着设施农业的推广 2013年农业温室在原有基础上 向周边区域扩散 同时在枣庄 临沂 泰安 菏泽 济 宁 济南等地部分区域逐步形成了集中种植区 至 2018年 农业温室继续从原有种植区域向周边扩 展 同时全省大部分市区开始零星分布农业温室 尤 图3 各年份农业温室提取结果 Fig 3 Extraction results of agricultural greenhouse in each year 以济宁 潍坊 临沂3个市区的扩展最为明显 至 2023年 全省农业温室呈现以潍坊和聊城为核心的 超大规模种植区 以及临沂 枣庄 济南 泰安 菏泽 为代表的大规模种植区的空间分布格局 这一分布 特征反映了设施农业在山东省逐步扩展和集聚的发 展趋势 图4 各年份山东省农业温室面积及增量 Fig 4 Area and increment of agricultural greenhouse in Shandong Province by year 由图4可见 山东省农业温室面积在过去15年 间呈现显著的增长趋势 2008年 全省农业温室面 积仅为100 440 hm2 在随后的5年间 农业温室面 积增长约92 580 hm2 至2013年达到193 020 hm2 年均增长18 513 hm2 2013 2018年是农业温室发 展的快速增长期 面积增加约165 520 hm2 年均增 长33 107 hm2 至2018年 农业温室面积达到 358 540 hm2 2018 2023年 农业温室面积继续稳 步增长 增加114 767 hm2 年均增长22 953 hm2 2023年全省农业温室面积达473 307 hm2 这表明 山东省农业温室建设在政策推动和技术发展的支持 下 经历了快速扩展和规模化发展的阶段 为设施农 业的高质量发展奠定了坚实基础 566第6期 周奇卓等 基于GEE的山东省近15年农业温室年限识别与优化布局 利用2023年结果作为验证 选择市域和县区2 个尺度的典型农业温室区 寿光市和泰安市 莘县 和兰陵县 进行对比 将其分类结果细节对比遥感 影像 图5 8 可以看出 本文所得到的提取结果 与实际分布情况具有较好的一致性 证明分类效果 良好 图5 寿光市分类结果对比 Fig 5 Comparison of classification results in Shouguang City 图6 泰安市分类结果对比 Fig 6 Comparison of classification results in Tai an City 图7 莘县分类结果对比 Fig 7 Comparison of classification results in Shenxian County 图8 兰陵县分类结果对比 Fig 8 Comparison of classification results in Lanling County 由表4可知 从2008年到2023年 山东省各市 农业温室面积显著增长 潍坊市作为设施农业的领 头羊 其农业温室面积从2008年的48 880 hm2增长 至2023年的130 520 hm2 充分体现了其在设施农 业领域的强劲发展势头 其他城市如聊城 临沂等 也表现出稳定的增长趋势 农业温室面积逐年扩张 总体而言 山东省农业温室面积从2008年的 100 440 hm2增长至2023年的473 307 hm2 增幅接 近4倍 呈现出快速发展的态势 由表5可见 在县区尺度上 部分县区的农业温 室发展尤为迅猛 例如 寿光市农业温室面积从 2008年的19 253 hm2增长至2023年的54 060 hm2 表4 山东省市域各年份农业温室面积 Tab 4 Area of agricultural greenhouses of city areas in Shandong Province hm2 地区2023年2018年2013年2008年 潍坊市130 520 115 380 82 040 48 880 聊城市80 647 53 740 24 247 13 720 临沂市61 793 34 127 13 647 8 387 枣庄市28 707 24 680 12 953 5 573 德州市25 053 20 073 11 180 5 453 济宁市24 907 18 133 10 400 3 307 菏泽市23 960 17 900 10 300 3 240 滨州市23 240 16 853 7 613 3 080 泰安市17 067 13 933 7 307 2 213 济南市16 760 12 493 3 227 2 000 青岛市12 173 8 513 2 893 1 513 淄博市9 987 7 213 2 667 1 400 东营市6 007 5 420 1 747 1 033 日照市5 847 4 373 1 673 440 烟台市5 067 3 693 1 060 167 威海市1 580 2 027 60 33 总计 473 313 358 553 193 013 100 440 表5 山东省县区各年份农业温室面积 前5位 Tab 5 Area of agricultural greenhouses of county areas in Shandong Province Top 5 县区2023年2018年2013年2008年 寿光54 060 51 547 31 620 19 240 青州37 713 38 240 18 647 14 880 莘县32 420 19 607 12 487 8 087 滕州19 407 18 420 11 113 7 407 兰陵16 780 16 807 10 200 3 793 突显了其在设施农业发展中的领先地位 其他县区 如兰陵 青州和莘县也表现出持续增长的趋势 反映 了设施农业在山东省各区域的深入推广和快速 扩展 图9 山东省农业温室使用年限及分布 Fig 9 Distribution of agricultural greenhouse by year of use in Shandong Province 3 2 农业温室年限 由图9可见 使用时间超过15年的农业温室与 2008年农业温室的空间分布高度一致 主要集中在 潍坊和聊城 并逐步向周边扩展 整体上 使用年限 小于5年的农业温室广泛分布 特别在潍坊 聊城和 666农 业 机 械 学 报 2 0 2 5年 临沂较为显著 表明山东省设施农业近几年发展迅 速 潍坊 聊城和临沂成为重要核心发展地区 使用 年限为5 10年和10 15年的农业温室分布相似 说明这一阶段产业发展较为平稳 潍坊 聊城和临沂 的集中分布为这些地区成为设施农业中心打下了 基础 根据山东省各市域农业温室新旧程度面积数据 表6 山东省农业温室的分布与使用年限呈现出 明显的多样化特征 潍坊市在各年限段均拥有最大 的农业温室面积 表明其在设施农业发展中持续保 持了领先优势 聊城市和临沂市紧随其后 分别在 各年限段展现出相对较大的农业温室面积 显示出 两市在设施农业扩展上的显著成效 此外 德州市 农业温室面积增长迅速 小于5年的农业温室面积 达24 000 hm2 比前一个年限段增长约10 表6 山东省典型市域农业温室新旧程度面积 Tab 6 Area of agricultural greenhouses with different usage ages of city ar
展开阅读全文

copyright@ 2018-2020 华科资源|Richland Sources版权所有
经营许可证编号:京ICP备09050149号-1
    

     京公网安备 11010502048994号